[发明专利]一种基于优化GRU模型的分布式光伏电站PR预测方法

权利要求书

1.一种基于优化GRU模型的分布式光伏电站PR预测方法，其特征在于，包括以下步骤：

步骤一，获取分布式光伏电站的历史监测数据，对历史监测数据进行预处理；

步骤二，对预处理后的历史监测数据进行聚类处理，通过聚类处理后的历史检测数据构建预测数据集，构建GRU预测模型，并将量子加权神经元引入构建的GRU预测模型；

步骤三，通过随机梯度下降优化算法对GRU预测模型进行参数调节，将预测数据集输入参数调节后的GRU预测模型，获取分布式光伏电站PR预测结果。

2.根据权利要求1所述的一种基于优化GRU模型的分布式光伏电站PR预测方法，其特征在于，步骤二中所述量子加权神经元的输出为：

其中：|φ_i为权值量子态，|φ_i＝[cosα_i,sinα_i]^T；α_i为相位；为活性值量子态，β为的相位，|φ为权值量子态向量，|φ＝[|φ₁,|φ₂,…,|φ_m]^T；y为量子加权神经元的输出，x为量子加权神经元的输入向量，m为输入向量内元素数量，x_i为量子加权神经元的输入向量中的第i个输入。

3.根据权利要求1所述的一种基于优化GRU模型的分布式光伏电站PR预测方法，其特征在于，步骤三中通过随机梯度下降优化算法对GRU预测模型进行参数调节的具体过程为：从训练集中抽取n个样本，获取GRU预测模型对于抽取的n各样本的输出结果，同时调取GRU预测模型中的其中一个参数，根据抽取的n个样本以及其对应的输出结果计算GRU预测模型目标函数对于调取的参数的梯度，对梯度的一阶矩阵以及二阶矩阵进行计算，并分别对一阶矩阵以及二阶矩阵进行偏置校正，根据校正后的一阶矩阵和二阶矩阵更新调取的参数。

4.根据权利要求1所述的一种基于优化GRU模型的分布式光伏电站PR预测方法，其特征在于，步骤一中所述预处理包括标准化处理、缺失值填充和异常值剔除。

5.根据权利要求4所述的一种基于优化GRU模型的分布式光伏电站PR预测方法，其特征在于，在进行异常值剔除前，先通过孤立森林算法对异常值进行检测，所述通过孤立森林算法对异常值进行检测的具体过程为：在预处理后的历史监测数据中有放回的随机生成m颗树，并随机选择一个阈值进行二分裂，获取异常概率，根据异常概率获取影响因子中的异常值。

6.根据权利要求5所述的一种基于优化GRU模型的分布式光伏电站PR预测方法，其特征在于，所述异常概率的表达式为：

其中：η(x,n)为所生成的树的异常指数，h(x)为树的根节点到外部节点的路径长度，E(h(x))为路径长度的平均值，x为树的外部节点，c(n)为在给定n值的情况下，h(x)的平均值。

7.根据权利要求1所述的一种基于优化GRU模型的分布式光伏电站PR预测方法，其特征在于，步骤二中通过DBSCAN聚类算法对预处理后的历史监测数据进行聚类，所述对预处理后的历史监测数据进行聚类的具体过程为：任意选择预处理后的历史监测数据中的一个数据，并通过参数判断选择的数据是否为核心对象点，若判断选择的数据为核心对象点，则在该数据周围建立一个类，若判断选择的数据不是核心对象点，则将选择的数据设定为噪声点，并遍历其他数据，把处于邻域中的数据加入到类中，直至建立一个类，重复进行数据的选择以及核心对象点的判断，直至完成所有数据的划分。